基于其他车辆的预测行为修改自主车辆的行为

摘要

被配置为在自主模式中操作的车辆可确定车辆的当前状态和车辆的环境的当前状态。车辆的环境包括至少一个其他车辆。可基于车辆的当前状态和车辆的环境的当前状态来确定至少一个其他车辆的预测行为。还可基于预测行为、车辆的当前状态和车辆的环境的当前状态来确定置信水平。在一些实施例中，置信水平可与至少一个其他车辆执行预测行为的可能性有关。可基于预测行为、置信水平以及车辆及其环境的当前状态来控制自主模式中的车辆。

说明书

背景技术

除非本文另外指出，否则本部分中描述的材料并不是本申请中的权利要 求的现有技术，并且并不因为被包括在本部分中就被承认为是现有技术。

一些车辆被配置为在自主模式中操作，其中车辆在只有很少或者没有来 自驾驶员的输入的情况下在环境中进行导航。这种车辆通常包括被配置为感 测关于该环境的信息的一个或多个传感器。车辆可使用感测到的信息来在该 环境中进行导航。例如，如果传感器感测到车辆正在接近障碍物，则车辆可 导航绕过该障碍物。

发明内容

在第一方面中，提供了一种方法。该方法包括利用计算机系统确定车辆 的当前状态。车辆被配置为在自主模式中操作。该方法还包括利用计算机系 统确定车辆的环境的当前状态。车辆的环境包括至少一个其他车辆。该方法 还包括利用计算机系统至少基于车辆的当前状态和车辆的环境的当前状态来 确定至少一个其他车辆的预测行为。该方法还包括利用计算机系统确定置信 水平。置信水平包括至少一个其他车辆执行预测行为的可能性。置信水平是 至少基于预测行为、车辆的当前状态和车辆的环境的当前状态的。该方法还 包括利用计算机系统基于预测行为、置信水平、车辆的当前状态和车辆的环 境的当前状态来控制自主模式中的车辆。

在第二方面中，提供了一种车辆。车辆包括至少一个传感器。至少一个 传感器被配置为获取车辆状态信息以及环境状态信息。车辆状态信息包括关 于车辆的当前状态的信息。环境状态信息包括关于车辆的环境的当前状态的 信息，并且车辆的环境包括至少一个其他车辆。车辆还包括计算机系统。计 算机系统被配置为基于车辆状态信息来确定车辆的当前状态。计算机系统还 被配置为基于环境状态信息来确定车辆的环境的当前状态。计算机系统还被 配置为至少基于车辆的当前状态和车辆的环境的当前状态来确定至少一个其 他车辆的预测行为。计算机系统还被配置为确定置信水平。置信水平包括至 少一个其他车辆执行预测行为的可能性。置信水平是至少基于预测行为、车 辆的当前状态和车辆的环境的当前状态的。计算机系统还被配置为基于预测 行为、置信水平、车辆的当前状态和车辆的环境的当前状态来控制自主模式 中的车辆。

在第三方面中，提供了一种存储有指令的非暂态计算机可读介质。该指 令可被计算机系统执行来使得该计算机系统执行功能。这些功能包括确定车 辆的当前状态。车辆被配置为在自主模式中操作。这些功能还包括确定车辆 的环境的当前状态。车辆的环境包括至少一个其他车辆。这些功能还包括至 少基于车辆的当前状态和车辆的环境的当前状态来确定至少一个其他车辆的 预测行为。这些功能还包括确定置信水平。置信水平包括至少一个其他车辆 执行预测行为的可能性、车辆的当前状态和车辆的环境的当前状态。

前述总结只是说明性的，而并不打算以任何方式进行限定。除了以上描 述的说明性方面、实施例和特征以外，通过参考附图和以下详细描述，另外 的方面、实施例和特征将变得清楚。

附图说明

图1是根据示例实施例示出车辆的功能框图。

图2根据示例实施例示出了车辆。

图3A是根据示例实施例的自主车辆操作场景的顶视图。

图3B是根据示例实施例的自主车辆操作场景的顶视图。

图3C是根据示例实施例的自主车辆操作场景的顶视图。

图4根据示例实施例示出了一种方法。

图5是根据示例实施例的计算机程序产品的示意图。

具体实施方式

本文描述了示例方法和系统。本文描述的任何示例实施例或特征不一定 要被解释为比其他实施例或特征更优选或优越。本文描述的示例实施例不欲 进行限定。容易理解，公开的系统和方法的某些方面可按许多种不同的配置 来布置和组合，所有这些在这里都已被设想到。

另外，附图中示出的特定布置不应当被视为限制性的。应当理解，其他 实施例可包括更多或更少的给定附图中所示的每个元件。另外，一些图示的 元件可被组合或省略。此外，示例实施例可包括附图中没有示出的元件。

1.概述

本文公开的示例实施例涉及确定车辆的当前状态，确定车辆的环境的当 前状态，确定车辆的环境中的至少一个其他车辆的预测行为，确定与该至少 一个其他车辆执行该预测行为的可能性有关的置信水平，并且基于确定的信 息来控制在自主模式中操作的车辆。

在本公开的上下文内，车辆可在各种操作模式中操作。取决于实施例， 这种操作模式可包括手动、半自主和自主模式。在自主模式中，车辆可以在 几乎没有或者没有用户交互的情况下被驾驶。在手动和半自主模式中，车辆 可以分别完全和部分地由用户驾驶。

本文公开的一些方法可以部分或完全由被配置为在自主模式中操作的车 辆在有或没有外部交互(例如，比如来自车辆的用户的外部交互)的情况下 执行。在一个这种示例中，车辆可确定车辆的当前状态。例如，车辆可获取 关于车辆的各种推进、传感器和控制系统的数据(例如，每分钟转动次数、 车辆速度、当前行驶车道、燃油液位、制动液液位，等等)。车辆可确定车辆 的环境的当前状态。在本公开的上下文内，车辆的环境包括至少一个其他车 辆。对车辆的环境的当前状态的确定可基于关于外部行驶状况(例如，道路 上的冰)、其他车辆速度和其他车辆位置以及其他因素的信息来作出。车辆可 至少基于车辆的当前状态和车辆的环境的当前状态来确定至少一个其他车辆 的预测行为。该方法还可包括确定可表示至少一个其他车辆执行预测行为的 可能性的置信水平。对置信水平的确定可基于预测行为、车辆的当前状态和 车辆的环境的当前状态。基于确定的信息，可在自主模式中控制车辆。

本文公开的其他方法可部分或完全由服务器来执行。在示例实施例中， 服务器可接收来自在自主模式中操作的车辆的传感器数据，例如利用相机捕 捉的多个图像。传感器数据可被服务器用来确定在车辆的本地环境中的车辆 的一个或多个预测行为。服务器可以额外地或替换地确定可与各个车辆将会 执行给定的预测行为的一个或多个可能性有关的一个或多个置信水平。另外， 服务器可以通过提供例如调整控制系统的各种方面(油门、制动单元、转向 单元)的指令来远程地控制自主模式中的车辆。在自主模式中操作的车辆与 服务器之间的其他交互在本公开的上下文内是可能的。

在本公开中还描述了车辆。车辆可包括诸如至少一个传感器和计算机系 统之类的元件。至少一个传感器可被配置为获取车辆状态信息(关于车辆本 身的信息)和环境状态信息(关于车辆的环境的信息)。计算机系统可被配置 为完全或部分地基于所获取的信息来执行各种功能。这些功能可包括确定车 辆的当前状态以及确定车辆的环境的当前状态。这些功能还可包括确定车辆 的环境中的至少一个其他车辆的预测行为以及可表示该至少一个其他车辆执 行该预测行为的可能性的相应置信水平。车辆的计算机系统还可被配置为基 于预测行为、置信水平和车辆及其环境的当前状态来控制自主模式中的车辆。

本文还公开了存储有指令的非暂态计算机可读介质。这些指令可由计算 设备执行来使得计算设备执行与上述方法中描述的那些类似的功能。

有许多不同的具体方法和系统可用于确定车辆的当前状态，确定车辆的 环境的当前状态，确定环境中的至少一个其他车辆的预测行为，确定与至少 一个其他车辆执行预测行为的可能性相对应的置信水平，并且基于所确定的 信息来控制自主模式中的车辆。这些具体方法和系统中的每一个在这里已设 想到，并且若干个示例实施例在下文描述。

2.示例系统

现在将更详细描述本公开的范围内的示例系统。示例系统可实现在汽车 中或采取汽车的形式。然而，示例系统也可实现在其他车辆中或采取其他车 辆的形式，例如轿车、卡车、摩托车、公共汽车、船、飞机、直升飞机、割 草机、挖土机、船、雪地机动车、飞行器、休旅车、游乐园车辆、农场设备、 施工设备、有轨电车、高尔夫球车、火车以及手推车。其他车辆也是可能的。

图1是根据示例实施例示出车辆100的功能框图。车辆100可被配置为 完全或部分地在自主模式中操作。例如，车辆100可以在处于自主模式中的 时候控制自身，并且可操作来确定车辆及其环境的当前状态，确定环境中的 至少一个其他车辆的预测行为，确定可与至少一个其他车辆执行预测行为的 可能性相对应的置信水平，并且基于所确定的信息来控制车辆100。在处于 自主模式中的时候，车辆100可被配置为在没有人类交互的情况下操作。

车辆100可包括各种子系统，例如推进系统102、传感器系统104、控制 系统106、一个或多个外围设备108以及电源110、计算机系统112和用户界 面116。车辆100可包括更多或更少的子系统，并且每个子系统可包括多个 元件。另外，车辆100的每个子系统和元件可被互连。从而，所描述的车辆 100的功能中的一个或多个可被分割成额外的功能组件或物理组件，或者组 合成更少的功能组件或物理组件。在一些另外的示例中，可向图1所示的示 例添加额外的功能组件和/或物理组件。

推进系统102可包括可操作来为车辆100提供驱动运动(powered motion) 的组件。取决于实施例，推进系统102可包括引擎/发动机118、能量源119、 传动装置120和车轮/轮胎121。引擎/发动机118可以是内燃引擎、电动机、 蒸汽机、斯特林引擎或其他类型的引擎和/或发动机的任何组合。在一些实施 例中，引擎/发动机118可被配置为将能量源119转换成机械能量。在一些实 施例中，推进系统102可包括多种类型的引擎和/或发动机。例如，油电混合 动力车可包括汽油引擎和电动机。其他示例也是可能的。

能量源119可表示可以完全或部分地为引擎/发动机118提供动力的能量 源。也就是说，引擎/发动机118可被配置为将能量源119转换成机械能量。 能量源119的示例包括汽油、柴油、其他基于石油的燃料、丙烷、其他基于 压缩气体的燃料、乙醇、太阳能电池板、电池和其他电力来源。(一个或多个) 能量源119可以额外地或替换地包括燃料箱、电池、电容器和/或飞轮的任何 组合。能量源119也可以为车辆100的其他系统提供能量。

传动装置120可包括可操作来把来自引擎/发动机118的机械动力传送到 车轮/轮胎121的元件。为此，传动装置120可包括变速箱、离合器、差速器 和驱动轴。传动装置120可包括其他元件。驱动轴可包括可耦合到一个或多 个车轮/轮胎121的一个或多个轴。

车辆100的车轮/轮胎121可配置为各种形式，包括单轮车、自行车/摩托 车、三轮车或者轿车/卡车四轮形式。其他车轮/轮胎形式是可能的，例如包括 六个或更多个车轮的那些。车辆100的车轮/轮胎121的任何组合可操作来相 对于其他车轮/轮胎121差速地旋转。车轮/轮胎121可表示固定地附着到传动 装置120的至少一个车轮和耦合到车轮的轮辋的可与驱动面发生接触的至少 一个轮胎。车轮/轮胎121可包括金属和橡胶的任何组合，或者另外的材料组 合。

传感器系统104可包括被配置为感测关于车辆100的环境的信息的若干 个传感器。例如，传感器系统104可包括全球定位系统(Global Positioning  System，GPS)122、惯性测量单元(inertial measurement unit，IMU)124、 RADAR单元126、激光测距仪/LIDAR单元128以及相机130。传感器系统 104还可包括被配置为监视车辆100的内部系统的传感器(例如，O2监视器、 燃油量表、机油温度)。其他传感器也是可能的。

包括在传感器系统104中的传感器中的一个或多个可被配置为被单独地 和/或共同地促动以便更改一个或多个传感器的位置和/或朝向。

GPS 122可以是被配置为估计车辆100的地理位置的任何传感器。为此， GPS 122可包括可操作来提供关于车辆100相对于地球的位置的信息的收发 器。

IMU 124可包括被配置为基于惯性加速度来感测车辆100的位置和朝向 变化的传感器(例如，加速度计和陀螺仪)的任何组合。

RADAR单元126可表示利用无线电信号来感测车辆100的本地环境内 的物体的系统。在一些实施例中，除了感测物体以外，RADAR单元126还 可额外地被配置为感测物体的速度和/或前进方向。

类似地，激光测距仪或LIDAR单元128可以是被配置为利用激光来感测 车辆100所位于的环境中的物体的任何传感器。取决于实施例，激光测距仪 /LIDAR单元128可包括一个或多个激光源、激光扫描仪、以及一个或多个检 测器，以及其他系统组件。激光测距仪/LIDAR单元128可被配置为在相干(例 如，利用外差检测)或非相干检测模式中操作。

相机130可包括被配置为捕捉车辆100的环境的多个图像的一个或多个 设备。相机130可以是静态相机或视频相机。

控制系统106可被配置为控制车辆100及其组件的操作。因此，控制系 统106可包括各种元件，其中包括转向单元132、油门134、制动单元136、 传感器融合算法138、计算机视觉系统140、导航/路线控制系统142以及避 障系统144。

转向单元132可表示可操作来调整车辆100的前进方向的机构的任何组 合。

油门134可被配置为控制例如引擎/发动机118的运行速度并进而控制车 辆100的速度。

制动单元136可包括被配置为使车辆100减速的机构的任何组合。例如， 制动单元136可使用摩擦力来使车轮/轮胎121放慢速度。在其他实施例中， 制动单元136可将车轮/轮胎121的动能转换为电流。制动单元136也可采取 其他形式。

传感器融合算法138可以是被配置为接受来自传感器系统104的数据作 为输入的算法(或者存储算法的计算机程序产品)。该数据可包括例如表示在 传感器系统104的传感器处感测的信息的数据。传感器融合算法138可包括 例如卡尔曼滤波器、贝叶斯网络或者其他算法。传感器融合算法138还可基 于来自传感器系统104的数据来提供各种评价。取决于实施例，评价可包括 对车辆100的环境中的个体物体和/或特征的评估、对特定情形的评估和/或基 于特定情形对可能影响的评估。其他评价也是可能的。

计算机视觉系统140可以是可操作来处理和分析由相机130捕捉的图像 以便识别车辆100的环境中的物体和/或特征的任何系统，所述物体和/或特征 可包括交通信号、道路边界和障碍物。计算机视觉系统140可使用物体识别 算法、运动中恢复结构(Structure from Motion，SFM)算法、视频跟踪和其 他计算机视觉技术。在一些实施例中，计算机视觉系统140可以额外地被配 置成为环境绘制地图、跟踪物体、估计物体的速度，等等。

导航和路线控制系统142可以是被配置为车辆100确定行驶路线的任何 系统。导航和路线控制系统142可以额外地被配置为在车辆100处于操作中 的时候动态地更新行驶路线。在一些实施例中，导航和路线控制系统142可 被配置为结合来自传感器融合算法138、GPS 122和一个或多个预定地图的数 据以便为车辆100确定行驶路线。

避障系统144可表示被配置为识别、评估和避免或者以其他方式越过车 辆100的环境中的潜在障碍物的控制系统。

控制系统106可以额外地或替换地包括除了所示出和描述的那些以外的 组件。

外围设备108可被配置为允许车辆100与外部传感器、其他车辆、其他 计算机系统和/或用户之间的交互。例如，外围设备108可包括无线通信系统 146、触摸屏148、麦克风150和/或扬声器152。

在示例实施例中，外围设备108可提供例如供车辆100的用户与用户界 面116交互的手段。为此，触摸屏148可向车辆100的用户提供信息。用户 界面116还可操作来来经由触摸屏148接受来自用户的输入。触摸屏148可 被配置为经由电容感测、电阻感测或者表面声波过程以及其他可能的方式来 感测用户的手指的位置和移动中的至少一个。触摸屏148可能够感测在与触 摸屏表面平行或共面的方向上、在与触摸屏表面垂直的方向上或者在这两个 方向上的手指移动，并且还可能够感测施加到触摸屏表面的压力的水平。触 摸屏148可由一个或多个半透明或透明绝缘层和一个或多个半透明或透明导 电层形成。触摸屏148也可采取其他形式。

在其他情况中，外围设备108可提供用于车辆100与其环境内的设备通 信的手段。麦克风150可被配置为从车辆100的用户接收音频(例如，语音 命令或其他音频输入)。类似地，扬声器152可被配置为向车辆100的用户输 出音频。

在一个示例中，无线通信系统146可以是被配置为直接地或者经由通信 网络来与一个或多个设备无线地通信。例如，无线通信系统146可使用3G 蜂窝通信，例如CDMA、EVDO、GSM/GPRS，或者4G蜂窝通信，例如WiMAX 或LTE。或者，无线通信系统146可例如利用WiFi与无线局域网(wireless local  area network，WLAN)通信。在一些实施例中，无线通信系统146可例如利 用红外链路、蓝牙或ZigBee与设备直接通信。其他无线协议，例如各种车辆 通信系统，在本公开的上下文内是可能的。例如，无线通信系统146可包括 一个或多个专用短程通信(dedicated short range communications，DSRC)设 备，这些设备可包括车辆和/或路边台站之间的公共和/或私有数据通信。

电源110可向车辆100的各种组件提供电力，并且可表示例如可再充电 锂离子或铅酸电池。在一些实施例中，这种电池的一个或多个电池组可被配 置为提供电力。其他电源材料和配置是可能的。在一些实施例中，电源110 和能量源119可一起实现，如一些全电动车中那样。

车辆100的许多或所有功能可由计算机系统112控制。计算机系统112 可包括至少一个处理器113(其可包括至少一个微处理器)，处理器113执行 存储在例如数据存储装置114这样的非暂态计算机可读介质中的指令115。计 算机系统112还可表示用来以分布式方式控制车辆100的个体组件或子系统 的多个计算设备。

在一些实施例中，数据存储装置114可包含指令115(例如，程序逻辑)， 指令115可被处理器113执行来执行车辆100的各种功能，包括以上联系图1 描述的那些。数据存储装置114也可包含额外的指令，其中包括向推进系统 102、传感器系统104、控制系统106和外围设备108中的一个或多个发送数 据、从其接收数据、与其进行交互和/或对其进行控制的指令。

除了指令115以外，数据存储装置114还可存储数据，例如道路地图、 路线信息，以及其他信息。这种信息可在车辆100在自主、半自主和/或手动 模式中操作期间被车辆100和计算机系统112使用。

车辆100可包括用户界面116，用于向车辆100的用户提供信息或从其 接收输入。用户界面116可控制可在触摸屏148上显示的交互式图像的内容 和/或布局或使能对其的控制。另外，用户界面116可包括在外围设备108的 集合内的一个或多个输入/输出设备，例如无线通信系统146、触摸屏148、 麦克风150和扬声器152。

计算机系统112可基于从各种子系统(例如，推进系统102、传感器系 统104和控制系统106)以及从用户界面116接收的输入来控制车辆100的 功能。例如，计算机系统112可利用来自控制系统106的输入以便控制转向 单元132来避开由传感器系统104和避障系统144检测到的障碍物。取决于 实施例，计算机系统112可操作来提供对车辆100及其子系统的许多方面的 控制。

车辆100的组件可被配置为与其各自系统内或外的其他组件以互连的方 式工作。例如，在示例实施例中，相机130可捕捉多个图像，这些图像可表 示关于在自主模式中操作的车辆100的环境的状态的信息。环境可包括另外 的车辆。计算机视觉系统140可这样基于数据存储装置114中存储的物体识 别模型来识别其他车辆。

计算机系统112可基于该信息来执行若干个确定。例如，计算机系统112 可确定其他车辆的一个或多个预测行为。预测行为可基于若干个因素，包括 车辆100的当前状态(例如，车辆速度、当前车道，等等)和车辆100的环 境的当前状态(例如，速度限制、可用车道的数目、其他车辆的位置和相对 运动，等等)。

例如，在第一场景中，如果另一车辆正从左侧车道迅速地赶超车辆100， 而车辆100在中央车道中，则一个预测行为可以是该另一车辆将继续从左侧 车道赶超车辆100。

在第二场景中，如果该另一车辆正在左侧车道中赶超车辆100，但在车 辆100前面行进的第三车辆阻碍着左侧车道中的进一步前进，则预测行为可 以是该另一车辆可在车辆100前方插入抢道。

计算机系统112还可确定与每个预测行为相对应的置信水平。例如，在 第一场景中，如果左侧车道是敞开供该另一车辆前进的，则计算机系统112 可确定很有可能该另一车辆将继续赶超车辆100并且保持在左侧车道中。从 而，与第一预测行为(即另一车辆将保持在其车道中并继续赶超)相对应的 置信水平可以较高，例如90％。

在第二场景中，其中该另一车辆被第三车辆所阻挡，则计算机系统112 可确定有50％的机率该另一车辆将在车辆100前方插入抢道，因为该另一车 辆可能就只是减速并且保持在左侧车道中、第三车辆后方。因此，计算机系 统112可向另一车辆可在车辆100前方插入抢道的第二预测行为赋予50％的 置信水平(或另外的记号)。

在示例实施例中，计算机系统112可与数据存储装置114和其他系统一 起工作来基于至少一个预测行为、置信水平、车辆100的当前状态和车辆100 的环境的当前状态来控制控制系统106。在第一场景中，计算机系统112可 选择什么也不调整，因为另一车辆保持在其自己的车道中的可能性(置信水 平)较高。在第二场景中，计算机系统112可选择控制车辆100稍微减速(通 过减小油门134)或者在当前车道内稍微向右偏移(通过控制转向单元132) 以便避免潜在的碰撞。车辆100的组件之间的互连的其他示例在本公开的上 下文内是很多且可能的。

虽然图1示出了车辆100的各种组件，即无线通信系统146、计算机系 统112、数据存储装置114和用户界面116，被集成到车辆100中，但这些组 件中的一个或多个可与车辆100分开安装或关联。例如，数据存储装置114 可以部分或完全地与车辆100分开存在。从而，可以按设备元件可分开放置 或放置在一起的形式来提供车辆100。构成车辆100的设备元件可以按有线 和/或无线方式来通信地耦合在一起。

图2示出了可与参考图1描述的车辆100相似或相同的车辆200。虽然 车辆200在图2中被示为轿车，但其他实施例是可能的。例如，车辆200可 表示卡车、厢式货车、半挂卡车、摩托车、高尔夫球车、越野车或者农场车 辆，以及其他示例。

取决于实施例，车辆200可包括传感器单元202、无线通信系统204、 LIDAR单元206、激光测距仪单元208和相机210。车辆200的元件可包括 对于图1描述的元件中的一些或全部。

传感器单元202可包括被配置为捕捉关于车辆200的环境的信息的一个 或多个不同的传感器。例如，传感器单元202可包括相机、RADAR、LIDAR、 测距仪和声学传感器的任何组合。其他类型的传感器是可能的。取决于实施 例，传感器单元202可包括可操作来调整传感器单元202中的一个或多个传 感器的朝向的一个或多个可移动底座。在一个实施例中，可移动底座可包括 旋转平台，该旋转平台可扫描传感器以获得来自车辆200周围的每个方向的 信息。在另一实施例中，传感器单元202的可移动底座可在特定的角度和/或 方位范围内以扫描方式移动。传感器单元202可例如被安装在轿车的顶盖上， 然而其他安装位置也是可能的。此外，传感器单元202的传感器可分布在不 同位置中并且不需要共同位于单个位置中。一些可能的传感器类型和安装位 置包括LIDAR单元206和激光测距仪单元208。另外，传感器单元202的每 个传感器可被配置为独立于传感器单元202的其他传感器被移动或扫描。

无线通信系统204可如图2所示位于车辆200的顶盖上。或者，无线通 信系统204可以完全或部分地位于别处。无线通信系统204可包括可被配置 为与车辆200外部或内部的设备通信的无线发送器和接收器。具体而言，无 线通信系统204可包括被配置为与例如在车辆通信系统或道路台站中的其他 车辆和/或计算设备通信的收发器。这种车辆通信系统的示例包括专用短程通 信(DSRC)、射频识别(radio frequency identification，RFID)和针对智能交 通系统的其他建议的通信标准。

相机210可以是被配置为捕捉车辆200的环境的多个图像的任何相机(例 如，静态相机、视频相机，等等)。为此，相机210可被配置为检测可见光， 或者可被配置为检测来自光谱的其他部分的光，例如红外或紫外光，或者x 射线。其他类型的相机也是可能的。

相机210可以是二维检测器，或者可具有三维空间范围。在一些实施例 中，相机210可以例如是测距器，其被配置为生成指示出从相机210到环境 中的若干个点的距离的二维图像。为此，相机210可使用一个或多个测距技 术。例如，相机210可使用结构化光技术，其中车辆200利用预定的光图案—— 例如网格或棋盘格图案——来照射环境中的物体，并且使用相机210来检测 该预定光图案从物体的反射。基于反射的光图案中的失真，车辆200可确定 到物体上的点的距离。预定的光图案可包括红外光，或者另一波长的光。作 为另一示例，相机210可使用激光扫描技术，其中车辆200发射激光并且扫 描环境中的物体上的若干个点。在扫描物体的同时，车辆200使用相机210 来对于每个点检测激光从物体的反射。基于在每个点处激光从物体反射所花 的时间长度，车辆200可确定到物体上的这些点的距离。作为另一示例，相 机210可使用飞行时间技术，其中车辆200发射光脉冲并且使用相机210来 检测在物体上的若干个点处光脉冲从物体的反射。具体地，相机210可包括 若干个像素，并且每个像素可检测光脉冲从物体上的一点的反射。基于在每 个点处光脉冲从物体反射所花的时间长度，车辆200可确定到物体上的这些 点的距离。光脉冲可以是激光脉冲。其他测距技术也是可能的，包括立体三 角测量、片光三角测量、干涉法以及编码孔径技术，等等。相机210也可采 取其他形式。

相机210可安装在车辆200的前挡风玻璃内部。具体而言，如图所示， 相机210可捕捉来自相对于车辆200的前看视野的图像。车辆200的其他安 装位置和视角是可能的，它们在车辆200内部或外部。

相机210可具有关联的光学器件，这些光学器件可操作来提供可调整的 视野。另外，相机210可利用可移动底座来安装到车辆200，该可移动底座 可操作来改变相机210的指向角度。

图3A示出了场景300，其涉及具有最左车道302、中央车道304和最右 车道306的道路。卡车314可在中央车道304中。车辆308可在最左车道302 中在自主模式中操作。车辆308和卡车314可按相同速度行进。另一车辆312 可在中央车道304中并且以更高的速率从后方接近卡车314。车辆308的传 感器单元310可基于车辆308的环境在捕捉传感器数据。具体地，相机可捕 捉卡车314、另一车辆312以及环境中的其他特征的多个图像以帮助车辆308 的计算机系统确定车辆308的环境的当前状态。与车辆308相关联的其他传 感器可操作来提供速度、前进方向、位置和其他数据，以使得车辆308的计 算机系统可确定车辆308的当前状态。

基于车辆308的当前状态和车辆308的环境的当前状态，车辆308中的 计算机系统可进一步确定车辆308的环境中的至少一个其他车辆的预测行 为。在图3A的上下文内，可以为卡车314和另一车辆312两者确定预测行 为。由于预测行为可基于车辆308的环境的当前状态，所以车辆308的计算 机系统可考虑到诸如各个车辆的速度、其前进方向、道路速度限制和其他可 用车道之类的因素以及其他因素。例如，卡车314可具有以相同速度并在相 同车道内前进的预测行为。取决于实施例，这种维持“现状”的预测行为可 被认为是默认预测行为。对另一车辆312的预测行为可包括另一车辆312减 速以匹配卡车314的速度。或者，另一车辆312可改变车道到最右车道306 或者另一车辆312可改变车道到最左车道302并且抢车辆308的道。

取决于实施例和情形，其他车辆的许多种预测行为是可能的。可能的预 测行为可包括——但不限于——其他车辆改变车道、加速、减速、改变前进 方向或者离开道路。预测行为还可包括其他车辆由于紧急情形而靠边停车、 车辆与障碍物相撞以及车辆与另一车辆相撞。预测行为可基于另一车辆响应 于车辆308或者响应于第三车辆可能会做什么。可以确定与基于本文公开的 方法和装置可观察和/或可预测的任何车辆行驶行为有关的其他预测行为。

对于每个预测行为或者对于预定的一组预测行为，车辆308的计算机系 统可确定相应的置信水平。可基于给定车辆将会执行给定预测行为的可能性 来确定置信水平。例如，如果卡车314很有可能会执行预测行为(保持在当 前车道中，维持当前速度)，则相应的置信水平可被确定为高(例如，90％)。 在一些实施例中，置信水平可被表示为数字、百分比或者某种其他形式。

关于另一车辆312，可能的置信水平可被表述如下：减速以匹配卡车314 的速度——40％，维持速度并改变到最右车道306——40％，维持速度并改变 到最左车道302——20％。

计算机系统可至少基于所确定的预测行为和置信水平来控制自主模式中 的车辆308。例如，计算机系统可考虑到卡车314很不可能改变其速率或车 道这个事实，并且因此，计算机系统可将卡车314视为对于车辆308以及另 一车辆312两者都限制道路的可行驶部分的“移动中的障碍物”。计算机系统 还可认为有如下的有限可能性：另一车辆312将驶入最左车道302中并且抢 车辆308的道。因此，计算机系统可以使得车辆308例如通过减小油门来稍 微减速，以便如果另一车辆312选择在前方插入抢道则留出一安全边际。

图3B示出了与图3A中类似的场景320，但在时间上更靠后。在场景320 中，另一车辆316将其前进方向改变为朝着最左车道302并且移动得更靠近 卡车314。车辆308的计算机系统可不断地更新车辆308及其环境的状态， 例如以每秒三十次的速率进行更新。因此，计算机系统可以为车辆308的环 境中的车辆动态地确定预测行为及其相应的置信水平。在场景320中，至少 部分由于变化的环境，可以为卡车314确定新的预测行为。在这种情形中， 卡车314可通过改变到最右车道306来为另一车辆316让路。从而，预测行 为和相应的置信水平可动态地变化。

在场景320中，车辆308的计算机系统可更新另一车辆316的预测行为 的置信水平。例如，由于另一车辆316将其前进方向改变为朝着最左车道302 并且移动得更靠近卡车314，所以可以确定另一车辆316很有可能将车道改 变成最左车道302。因此，基于另一车辆316的预测行为的增大的置信水平， 车辆308的计算机系统可控制制动单元以突然减慢车辆308以避免与另一车 辆316的碰撞。这样，车辆308的计算机系统可响应于变化的预测行为及其 置信水平来执行一系列不同控制动作。例如，如果预测另一车辆的行为非常 危险并且这种预测行为具有高置信水平，则车辆308的计算机系统可通过强 力制动或者将车辆308躲避性地转向以避免碰撞来作出反应。相反，如果计 算机系统确定另一车辆可执行非常危险的预测行为，但置信水平非常低，则 计算机系统可确定只有必要进行速度的微小调整或者计算机系统可确定不需 要调整。

图3C是自主车辆操作场景330的顶视图。在场景330中，具有传感器 单元340的车辆338可在自主模式中操作。这样，传感器单元340可从车辆 338的环境获得数据并且车辆338的计算机系统可确定车辆338的当前状态 和车辆338的环境的当前状态。

场景330可包括卡车344，其按与车辆338相同的速度并且在同样的中 央车道334中行进。另一车辆342可在最左车道332中以更高速度行进。在 这种情形中，车辆338的计算机系统可以为另一车辆342和卡车344确定预 测行为。另一车辆342可以其当前速度并在其当前车道内继续。从而，可确 定“默认”预测行为。对于另一可能的预测行为，另一车辆342也可将车道 改变成中央车道334并且抢车辆338的道。车辆338的计算机系统可为卡车 344确定默认预测行为(例如，卡车344将会维持当前速度和行驶车道)。

车辆338的计算机系统可为每个预测行为确定置信水平。例如，卡车344 维持速度和相同车道的置信水平可相对较高。另一车辆342改变车道成中央 车道334并抢338的道的置信水平可被确定为相对较低，例如，因为卡车344 与车辆338之间的空间太小以至于不能安全地执行车道改变。另外，卡车344 维持其速度及其当前车道的置信水平可被确定为相对较高，这至少部分是因 为左车道332前方是畅通无阻的。从而，基于这些预测和置信水平，车辆338 的计算机系统可控制车辆338维持其当前速度并在中央车道334上前进。

3.示例方法

提供了一种方法400，用于确定关于车辆及其包括至少一个其他车辆的 环境的当前状态的信息，确定其他车辆的预测行为，确定其他车辆执行预测 行为的置信水平，并且基于所确定的信息来控制车辆。该方法可利用图1和 2所示和以上描述的任何装置来执行，然而也可使用其他配置。图4示出了 示例方法中的步骤，然而，要理解，在其他实施例中，这些步骤可按不同的 顺序出现并且可以添加或减除步骤。

步骤402包括利用计算机系统确定车辆的当前状态。车辆被配置为在自 主模式中操作。此方法中描述的车辆可以是如分别参考图1和2示出和描述 的车辆100和/或车辆200。确定车辆的当前状态可表示使用各种传感器来监 视车辆的一个或多个操作方面。例如，可通过获取关于当前速度、当前前进 方向、当前行驶车道、引擎每分钟转数、当前挡位、当前位置等等的任何组 合的信息来确定车辆的当前状态。该信息可由车辆的计算机系统或者与车辆 相关联的任何其他计算设备来确定。取决于实施例，该确定可以完全或部分 地由服务器网络来作出并被传达给车辆。

步骤404包括利用计算机系统来确定车辆的环境的当前状态。环境包括 至少一个其他车辆。其他车辆可以是汽车、卡车、摩托车或者某种其他类型 的车辆。车辆可通过获得与其他车辆的速度、位置、前进方向和当前车道以 及障碍物、道路边界和道路状况有关的传感器数据来确定环境的当前状态。 对于可用于确定环境的当前状态的数据存在其他可能性。该确定可由车辆的 计算机系统或者与车辆相关联的任何其他计算设备来作出。在另一实施例中， 该确定可由服务器网络来作出并被传送给车辆。

步骤406包括利用计算机系统至少基于车辆的当前状态和车辆的环境的 当前状态来确定至少一个其他车辆的预测行为。可能的预测行为可包括至少 一个其他车辆执行与在道路上行驶或离开道路行驶相关联的一系列行为中的 任何一个。例如，预测行为可包括继续以特定速度、以特定前进方向以及在 特定车道内行驶。其他预测行为可包括至少一个其他车辆改变速度、改变车 道或者改变前进方向。另外其他的预测行为可包括其他车辆执行躲避策略、 离开道路或者甚至与障碍物或另一车辆相撞。许多其他预测行为在本公开的 范围内是可能的并且与自主车辆相关。该确定可由车辆的计算机系统或者位 于车辆内部或外部的任何其他计算设备执行。可通过获得车辆及其环境的当 前状态与可能导致给定的预测行为的预定场景(例如，其他车辆的特定布置、 其各自的速度、各自的车道以及道路边界)之间的匹配或近匹配来确定预测 行为。确定预测行为的其他方式是可能的。

在示例实施例中，服务器网络可包括数据库，该数据库可包括多个预定 场景。一个或多个预测行为可与每个预定场景相关联。车辆可以向服务器发 送关于车辆及车辆的环境的当前状态的传感器数据或其他数据。基于该数据， 服务器网络可确定在车辆及其环境的当前状态与预定场景之间存在匹配。作 为响应，服务器可向车辆发送预测行为。

例如，参考图3C，车辆338可向服务器网络发送关于车辆338的当前状 态以及车辆338的环境的当前状态的数据。基于该数据，服务器网络可确定 当前车辆和环境数据与预定场景之间的匹配。如果确定了匹配，则可向车辆 338发送任何相应的预测行为。

在其他实施例中，车辆可确定预测行为。例如，车辆可存储一组预定场 景在存储器或数据存储装置中。这些预定场景可包括预定场景的环境中的其 他车辆的关联预测行为。当车辆确定在其当前操作状态、环境的当前状态与 预定场景之间有实质匹配时，则可以确定关联的预测行为。

可选地，车辆和/或服务器网络可基于真实世界经验来动态地调整其各自 的关于预定场景和预测行为的数据存储。例如，如果车辆和/或服务器网络确 定了更适当的一组预测行为，则与任何预定场景相关联的一组预测行为可随 着时间的流逝而变化。这样，车辆和/或服务器网络可使用机器学习或其他技 术来调整其对真实世界操作状况的响应。

步骤408包括利用计算机系统来确定置信水平。置信水平包括至少一个 其他车辆执行预测行为的可能性。置信水平至少基于预测行为、车辆的当前 状态和车辆的环境的当前状态。置信水平可关联到一个或多个预测行为并且 可基于一个或多个预测行为发生的概率。

在一些实施例中，置信水平可表示可引起车辆采取行动来避免碰撞的预 测行为的可能性。例如，参考图3A，车辆308可在最左车道302中行驶。可 引起车辆308采取行动来避免碰撞的预测行为可包括诸如卡车314改变到最 左车道302以及另一车辆312改变到最左车道302之类的行为。在这种示例 中，一个可能的置信水平可表示上述行为中的任一者或两者发生的可能性的 组合。其他预测行为和关联的置信水平是可能的。

可基于预测行为的离散概率的组合来计算置信水平。或者可基于离散或 连续概率分布来计算置信水平，所述离散或连续概率分布是基于给定预测行 为发生的预定可能性的。

置信水平可表示给定预测行为发生的静态(不变)概率。或者，可基于 例如在机器学习算法中利用传感器数据来调整置信水平。从而，可以基于真 实世界操作状况和操作经验来动态地计算置信水平。

在其他示例中，每个预测行为可具有所确定的置信水平。在这种情况中， 所确定的置信水平可与给定预测行为的可能性有关。

置信水平可由车辆的计算机系统或者任何其他计算设备来确定。例如， 如上所述，车辆可(例如在数据存储装置中)存储多个预定场景。基于传感 器数据和/或通过其他手段，车辆可确定预定场景之一与车辆的当前状态和车 辆的环境的当前状态之间的匹配。预定场景可包括一个或多个预测行为以及 每个预测行为发生的相应统计概率。从而，置信水平可由车辆来确定。

在一些实施例中，服务器网络可以部分或完全地执行对置信水平的确定。 例如，如上所述，服务器网络可存储多个预定场景。每个预定场景可包括一 个或多个预测行为。另外，每个预测行为可具有关联的可能性。可能性可包 括基于例如先前数据该预测行为将会发生的概率。从而，如果服务器网络确 定了车辆的当前状态、车辆环境的当前状态与预定场景之间的实质性匹配， 则相应的一组预测行为可被发送到车辆。此外，每个预测行为的可能性可被 发送到车辆。以这种方式，置信水平可由服务器网络确定。确定置信水平的 其他方式是可能的。

步骤410包括利用计算机系统来基于预测行为、置信水平、车辆的当前 状态和车辆的环境的当前状态控制自主模式中的车辆。换言之，计算机系统 可控制车辆响应于来自公开的方法的前述步骤的所确定的信息来行动。在一 些情况中，计算机系统可使得车辆什么也不调整。例如，在公路行驶情形中， 例如图3C中所示的那种，车辆338可能不需要减速或改变车道。因为车辆 338不太可能面对其将会需要改变其行驶状况的情形，所以计算机系统可控 制车辆338以相同速度、在相同行驶车道内继续，并且例如维持对卡车344 的相同跟随距离。

响应于更危险的情形，车辆308的计算机系统可使得车辆308调整其操 作的各种方面。例如，如图3B所示，计算机系统可确定(基于所确定的车辆 的当前状态、所确定的环境的当前状态、所确定的预测行为和所确定的相应 的置信水平)另一车辆316有可能改变车道到最左车道302，抢车辆308的 道。在这种场景320中，计算机系统可使得车辆308强力制动以将车辆308 减速来避免碰撞。计算机系统可引起其他动作，例如指示车辆308提供警告 通知。警告通知可包括例如喇叭信号或闪光信号。在其他实施例中，警告通 知可以是车辆到车辆通信消息，例如DSRC消息。

在其他实施例中，计算机系统可使得车辆308减小油门以更缓慢地降低 速度或者在其车道内偏移。在另外的其他实施例中，计算机系统可使得车辆 308采取躲避动作以避免碰撞，例如改变车道或者甚至在双线车道中向左移 动。取决于场景，计算机系统可使得车辆308执行多种动作，所有这些动作 在本公开的上下文内都已被设想到。

示例方法，例如图4的方法400，可以完全或部分地由车辆及其子系统 来执行。因此，示例方法在本文中可作为示例被描述为由车辆实现。然而， 应当理解，示例方法可以完全或部分地由其他计算设备来实现。例如，示例 方法可以完全或部分地由从诸如与车辆关联的设备之类的设备接收数据的服 务器系统来实现。可实现示例方法的计算设备或计算设备的组合的其他示例 是可能的。

在一些实施例中，公开的方法可实现为以机器可读格式编码在非暂态计 算机可读存储介质上或者其他非暂态介质或制品上的计算机程序指令。图5 是示出根据本文给出的至少一些实施例布置的包括用于在计算设备上执行计 算机过程的计算机程序的示例计算机程序产品的概念性部分视图的示意图。

在一个实施例中，利用信号承载介质502来提供示例计算机程序产品 500。信号承载介质502可包括一个或多个编程指令504，这些编程指令504 在被一个或多个处理器执行时可提供以上参考图1-4描述的功能或功能的部 分。在一些示例中，信号承载介质502可包含计算机可读介质506，例如—— 但不限于——硬盘驱动器、致密盘(Compact Disc，CD)、数字视频盘(Digital  Video Disk，DVD)、数字磁带、存储器，等等。在一些实现方式中，信号承 载介质502可包含计算机可记录介质508，例如——但不限于——存储器、 读/写(R/W)CD、R/W DVD，等等。在一些实现方式中，信号承载介质502 可包含通信介质510，例如但不限于数字和/或模拟通信介质(例如，光缆、 波导、有线通信链路、无线通信链路，等等)。从而，例如，信号承载介质 502可由无线形式的通信介质510来传达。

一个或多个编程指令504可以例如是计算机可执行和/或逻辑实现的指 令。在一些示例中，例如图1的计算机系统112那样的计算设备可被配置为 响应于由计算机可读介质506、计算机可记录介质508和/或通信介质510中 的一个或多个传达到计算机系统112的编程指令504而提供各种操作、功能 或动作。

非暂态计算机可读介质也可分布在多个数据存储元件之间，这些数据存 储元件的位置可以彼此远离。执行存储的指令中的一些或全部的计算设备可 以是车辆，例如图2中所示的车辆200。或者，执行存储的指令中的一些或 全部的计算设备可以是另一计算设备，例如服务器。

以上详细描述参考附图对公开的系统、设备和方法的各种特征和功能进 行了描述。虽然本文已公开了各种方面和实施例，但其他方面和实施例是可 能的。本文公开的各种方面和实施例是为了说明的，而并不打算进行限定， 真实和范围和精神由所附权利要求指示。